➕ О проекте: Мы — инновационная продуктовая компания, разрабатывающая передовые технологии генерации аудио и трансформации голоса. Мы не придерживаемся формальных обозначений (Junior/Mid/Senior), поскольку они часто являются вводящими в заблуждение показателями фактических навыков. Вместо этого мы ищем кандидата, основываясь на его реальной, практической уверенности в синтезе голоса и Python, независимо от его официального «уровня».

💼 Обязанности:

— Разработка, обучение и доработка моделей машинного обучения для синтеза голоса (TTS) и преобразования голоса с помощью ИИ — Проектирование, создание и поддержка надежных ML-пайплайнов от подготовки данных до продакшена — Оптимизация моделей обработки аудио для стриминга и инференса в реальном времени для достижения сверхнизкой задержки — Превращение исследовательских моделей в надежные производственные веб-сервисы и REST API — Анализ и улучшение качества синтезированного аудио, обеспечение естественного звучания и высокой точности — Сотрудничество с командой для бесшовной интеграции ML-моделей в конечный пользовательский продукт

🧠 Требования:

— Глубокие, фундаментальные знания Python — это абсолютное предварительное условие, независимо от вашего уровня — Подтвержденный практический опыт и сильные навыки в синтезе голоса (TTS) — Глубокое понимание алгоритмов преобразования голоса с помощью ИИ и обработки аудиосигналов — Опыт создания и развертывания полных ML-пайплайнов — Практический опыт оптимизации стриминга и обслуживания ML-моделей аудио в реальном времени — Практический опыт работы с современными фреймворками глубокого обучения (PyTorch, NeMo, HuggingFace и др.) — Способность писать чистый, готовый к продакшену код (выход за рамки Jupyter Notebooks) — Английский язык — B2+

💫 Желательно:

— Опыт работы с голосовыми/аудио моделями как частью более широкого, более сложного ML-стека — Опыт работы в области обработки естественного языка (NLP) или автоматического распознавания речи (ASR) — Опыт работы с бэкенд-фреймворками (например, FastAPI) и контейнеризацией (Docker) — Знакомство с аудио-библиотеками, такими как PyDub, Librosa или аналогичными — Опыт работы с практиками MLOps и инструментами отслеживания (Weights & Biases и др.)

CV отправлять @vladiskashh